tensorflow-gpu环境的详细配置过程

Tensorflow-gpu环境的详细配置过程

第一次发博客记录一下自己花了很多时间才能解决的环境配置问题
这篇文章只讲述了具体的版本以及验证过程,可参考

Tensorflow-gpu安装

Tensorflow-gpu,tensorflow,python,cuda等版本的兼容性
见网站:
https://tensorflow.google.cn/install/source_windows?hl=en
下有截图可看其中一些

本人安装的是tensorflow-2.5,python=3.7。
因为tensorflow=2.5版本自带keras库,不用再单独下载。

只是tensorflow的配置表
CPU:
在这里插入图片描述
GPU:
在这里插入图片描述
CUDA的版本对应是11.2,cuDNN的版本对应的是8.1。
在网上找到了CUDA和Cudnn的安装方法并成功安装
这里是参考网站:
(1)https://blog.youkuaiyun.com/QAQIknow/article/details/118858870
(2)https://blog.youkuaiyun.com/m0_45447650/article/details/123704930
我用的是Anaconda搭建虚拟环境的方式,单独用conda搭建了一个跑机器学习的环境。
Windows环境下:
创建虚拟环境:
conda create -n env_name python=3.7
删除虚拟环境

### 配置 VSCode 使用 Anaconda 创建的 TensorFlow-GPU 环境 #### 1. 安装并配置 Anaconda 和 TensorFlow-GPU 确保已通过 Anaconda 成功创建了一个支持 GPUTensorFlow 环境。以下是具体操作: - **创建虚拟环境** 使用 `conda` 命令创建一个新的 Python 虚拟环境,并指定所需的 Python 版本以及安装 TensorFlow-GPU[^3]: ```bash conda create -n tf-gpu python=3.6 conda activate tf-gpu conda install tensorflow-gpu==1.7 ``` - **验证安装成功** 运行以下代码片段来确认 TensorFlow 已正确安装并且能够检测到 GPU 设备[^2]: ```python import tensorflow as tf print(tf.__version__) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) ``` #### 2. 在 VSCode 中设置 Python 解释器 为了使 VSCode 使用上述创建的 Conda 环境作为其默认解释器,需完成如下步骤: - 打开 VSCode 并按快捷键 `Ctrl+Shift+P` 或者点击顶部菜单栏中的“视图 -> 命令面板”。 - 输入 `Python: Select Interpreter` 并回车。 - 在弹出的选择列表中找到之前创建好的名为 `tf-gpu` 的 Conda 环境路径(通常类似于 `/path/to/anaconda/envs/tf-gpu/bin/python`),然后选中它。 此过程会自动更新 `.vscode/settings.json` 文件以记录所选用的 Python 解析程序位置[^1]。 #### 3. 配置调试选项 (Optional) 如果计划利用内置调试功能运行项目,则还需要进一步调整 launch configuration 设置: - 在左侧活动栏里选择 “Run and Debug”,再点击齿轮图标生成新的 launch.json 文件; - 修改其中的内容使其指向刚才选定之解析器及其参数, 如下所示: ```json { "name": "Python: Current File", "type": "python", "request": "launch", "program": "${file}", "console": "integratedTerminal" } ``` 至此便完成了全部准备工作,在后续开发过程中可以直接借助于该集成化平台开展工作而无需额外考虑底层依赖关系等问题了。 ```python import tensorflow as tf print("TensorFlow version:", tf.__version__) # Check available devices. from tensorflow.python.client import device_lib local_devices = device_lib.list_local_devices() gpu_names = [x.name for x in local_devices if x.device_type == 'GPU'] if not gpu_names: raise Exception('No GPUs found.') else: print(f'GPUs detected: {", ".join(gpu_names)}') ```
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值